|
人工神经网络 - 受大脑连接启发的算法 - 已经“学会”执行各种任务，从自动驾驶汽车中的行人检测到分析医学图像，再到翻译语言。现在，加州大学圣地亚哥分校的研究人员正在训练人工神经网络来预测新的稳定材料。
“预测材料的稳定性是材料科学，物理和化学的核心问题，”资深作者，加州大学圣地亚哥雅各布斯工程学院的纳米工程教授Shyue Ping Ong说。“一方面，你有传统的化学直觉，如Linus Pauling的五条规则，用离子的半径和堆积来描述晶体的稳定性。另一方面，你有昂贵的量子力学计算来计算从形成晶体获得的能量必须在超级计算机上完成。我们所做的就是使用人工神经网络来连接这两个世界。“ 通过训练人工神经网络来预测晶体的形成能量仅使用两个输入 - 组成原子的电负性和离子半径-Ong和他的团队在材料虚拟实验室开发的模型可以识别两类晶体中称为石榴石的稳定材料和钙钛矿。这些型号的精度比以前的机器学习型号高出10倍，并且足够快，可以在笔记本电脑上在几小时内有效地屏蔽数千种材料。该团队在9月18日出版的Nature Communications上发表的一篇论文中详细介绍了这项工作。 “石榴石和钙钛矿用于LED灯，可充电锂离子电池和太阳能电池。这些神经网络有可能大大加速发现这些和其他重要应用的新材料，”第一作者Weike Ye说，化学博士 Ong材料虚拟实验室的学生。 该团队通过上的网络应用程序公开访问他们的模型。这允许其他人使用这些神经网络来计算任何石榴石或钙钛矿组合物的形成能量。 研究人员正计划将神经网络的应用扩展到其他晶体原型以及其他材料属性。 |
